自从大型语言模型和生成式人工智能在短短几年内席卷媒体与资本市场,关于"AI泡沫会不会破裂"的讨论再次高涨。把目光投回25年前的互联网泡沫破灭,对比那一轮狂热的症结与后续影响,能帮助我们更清晰地判断当下AI热潮的真正风险与潜在机会。回顾历史并非为了制造恐慌,而是为了从过去的错误里汲取可操作的教训,从而减少未来的损失并把握长期价值。 20世纪90年代末的点com繁荣有其时代背景。互联网的普及催生了新商业模式,风投和资本市场对"网络将改变一切"的叙事趋之若鹜。大量公司在尚未建立稳固盈利模式之前便获得高额估值,IPO潮与媒体热捧共同推动了估值的非理性膨胀。
企业为争夺市场速度不惜烧钱补贴用户,忽视路径依赖的成本控制与长期单用户经济价值。与此同时,散户投资者也在媒体与兴奋情绪驱动下大量涌入,进一步放大价格波动。 泡沫破裂并非一朝引爆,而是多重因素共同作用的结果。联邦储备在1999 - 2000年持续加息,使得债券等更安全资产的回报上升,投资者开始重新审视高风险资产的溢价;全球经济环境出现动荡,市场避险情绪上升;更重要的是,市场上大量公司暴露出商业模式的脆弱性 - - 营收匮乏、现金烧光、盈利远不可期。随着资金成本上升与信心崩塌,估值被快速重置,许多公司倒闭或被并购,纳斯达克指数从高点大幅回落。 从历史中抽取出的核心教训对当下AI生态具有直接警示意义。
第一,技术驱动的想象力不等于商业可行性。许多AI初创公司凭借前沿技术和增长潜力获得高估值,但如果没有清晰的变现路径、可扩展的商业模式和稳定的边际利润,估值终将面临修正。第二,宏观利率环境对高估值科技资产极为敏感。利率上升会提高折现率,显著压缩对长期收益的估值溢价。第三,媒体与社会情绪能在短期内放大泡沫,但长期价值依靠基本面:收入、现金流与市场份额。 与20年前相比,今日AI热潮既有相似之处也有重要区别。
相似之处在于资本集中、估值飙升与叙事驱动的投资行为。像当年互联网平台一样,当下许多公司与项目凭借"具备改变生产力"的前景获得巨额融资,基础设施建设(数据中心和AI芯片)迎来爆发式增长,相关企业与供应链企业股价走高,人才争夺异常激烈。与此同时,散户与机构投资者对潜在颠覆性收益的预期推动了市场热度。 但不同之处同样显著。AI的发展基于更为明确的生产力改进:自动化文书、代码生成、图像与视频合成、医疗影像辅助诊断等场景已经展现出真实的生产率提升。相比90年代大量公司只是基于"流量"做空想,现代AI技术在许多行业内能够提供可测量的效率与成本改进。
因此即便发生估值回调,核心技术与具备实际应用落地能力的企业仍有可能成为长期赢家。此外,资本市场、监管与风险管理在经历多轮周期后也更加成熟,投资者在某些领域展现出更强的耐心与更严谨的尽职调查。 尽管如此,风险并未消失。AI领域的两大结构性风险值得高度关注。第一是计算与数据成本的问题。训练和部署大型模型需要海量计算资源与高质量数据,资本支出和运营成本正推动科技巨头投入天量资金建设算力基础设施。
这种资本密集型的投入会在宏观经济下行或融资收紧时造成悬崖式影响,未建立长期现金流的初创公司容易陷入困境。第二是监管与社会风险。隐私保护、生成内容的版权与法律责任、深度伪造带来的社会信任问题等,均可能触发严格监管。监管的不确定性会增加未来营收模式的风险,改变行业的竞争格局。 投资者与创业者应如何根据这些教训调整策略?对投资者而言,首先要严格区分技术潜力与商业可行性。评估时应把重点放在是否存在清晰的营收模型、单用户经济学、客户粘性和可持续的边际利润。
其次,关注企业的资本效率与资金来源。烧钱扩张若无止损计划,在利率上行或资本市场收紧时会暴露致命风险。第三,考虑宏观敏感性。高成长但无现金流的公司对利率波动敏感,投资组合应通过配置不同阶段、不同业务模式的公司来分散风险。 创业者则需要回归基本面:明确价值主张并证明短期内可产生收入或实实在在的成本节约。与其把有限的资源用于构建看似高大上的通用模型,不如优先攻克具体行业痛点,用案例与数据证明ROI。
长期竞争优势来自深厚的行业知识、专有数据与模型微调能力,而不是单纯地追求最大参数量或训练规模。此外,创业者应保持财务纪律,预测不同融资情境下的生存时间窗,避免在市场转向时陷入被动。 政策层面也应吸取教训。监管机构需要平衡创新与风险防控,既要为有实际生产力提升的AI应用提供试验与发展空间,也要针对市场操纵、系统性风险和伦理问题设立明确的规则。监管的提前介入并非阻碍创新,而是为市场建立可预测的框架,有助于吸引长期资本与降低投机性泡沫。同样重要的是教育与劳动力政策,帮助劳动力适应AI驱动的结构性变化,降低社会震荡。
历史告诉我们,泡沫会筛选出长期价值。点com时代虽有大量失败者,但互联网也催生了亚马逊、谷歌和其他改变规则的企业。类似地,AI领域的短期波动不应遮蔽长期潜力。真正能把技术转化为持续商业价值的公司,会在震荡中获得更强的市场地位。关键在于识别哪些企业具备可持续的护城河:稳定且可扩展的营收来源、独特的数据资源、与行业客户深度绑定的产品以及持续的技术积累。 对普通公众与从业者而言,理性与耐心是两大核心品质。
过度借贷或把全部积蓄押注于单一热门项目容易导致灾难性的后果。通过教育提升对技术本质与商业闭环的理解,可以更好地评估风险。公司内部则应注重合规治理、透明披露与长期人才培养,避免为了短期增长牺牲长期稳健。 展望未来,AI行业很可能经历几轮调整和业务洗牌,但"破灭一切"的极端情形并不必然。某些细分领域可能经历估值重估或倒闭潮,而另一些则会因真实的效率提升和规模经济成为长期赢家。投资和政策的目标应是降低系统性风险、遏制投机性泡沫,并为真正具备实际价值的创新提供成长土壤。
总结来看,25年前点com泡沫破裂的核心教训仍然适用于当下AI热潮:技术想象力必须与可验证的商业路径相结合;宏观环境和资本成本会对高估值资产产生放大效应;监管与社会因素不可忽视。与点com时代不同的是,AI已经在若干具体场景中展现出生产力改进的证据,这增加了其长期存续的可能性。但在短期内,估值回调或行业重组仍是完全可能的结果。对于投资者、创业者与政策制定者,最稳妥的应对策略是兼顾雄心与谨慎,把注意力放在基本面、资本效率与合规治理上,以便在波动中保全实力并抓住真正的长期机会。 历史不会简单重复,但会押韵。理解过去的节奏,才能在未来的乐章中找到更可靠的旋律。
。
